SISTEM DETEKSI DAN KLASIFIKASI BUNGA MELATI BERBASIS CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK MENDETEKSI DAN MENGKLASIFIKASI BUNGA PADA ANALISIS CITRA DIGITAL
Keywords:
Jasmine Flower, Convolutional Neural Network, ResNet50v2, Image Processing, Detection SystemAbstract
Image processing has become an increasingly important technology in various fields, including botany, particularly to support the automatic identification of plants. One of the main challenges in identifying jasmine flowers lies in the manual process, which is time-consuming and heavily reliant on individual expertise. To address these limitations, this research aims to design a detection and classification system for jasmine flowers using Convolutional Neural Network (CNN), capable of identifying four jasmine flower types: Melati Putih, Melati Jepang, Melati Gambir, and Melati Kuning. The system employs a modified CNN architecture, ResNet50v2, incorporating a 50% dropout layer, Adam optimizer with a learning rate of 0.001, and data augmentation techniques to enhance model performance. The dataset used consists of 350 images for training and 88 images for validation. Additionally, the system is designed as a web-based application to provide real time detection features and classification history. Evaluation metrics include accuracy, precision, recall, f1 score, MSE, RMSE, and MAPE. Results indicate that the developed system achieves an accuracy of 97%, MSE 0,33, RMSE 0,18, dan MAPE 1,8%.. These findings demonstrate that the system can effectively detect and classify jasmine flowers with high accuracy, enabling fast and precise identification. Future research is recommended to expand the dataset to improve the model's generalization across broader variations and explore other model architectures for performance comparison. This system is expected to provide significant contributions to education, agriculture, and plant conservation, especially in facilitating the automatic
identification of jasmine flowers.
References
Aini, Q., Lutfiani, N., Kusumah, H., & Zahran, M. S. (2021). Deteksi dan Pengenalan Objek Dengan Model Machine Learning: Model Yolo. CESS (Journal of Computer Engineering, System and Science), 6(2), 192. https://doi.org/10.24114/cess.v6i2.25840
Alfarizi, M. R. S., Al-farish, M. Z., Taufiqurrahman, M., Ardiansah, G., & Elgar, M. (2023). Penggunaan Python Sebagai Bahasa Pemrograman untuk Machine Learning dan Deep Learning. Karya Ilmiah Mahasiswa Bertauhid (KARIMAH TAUHID), 2(1), 1–6.
ANANDA MUHAMAD TRI UTAMA. (2022). MAKNA DAN MITOS BUNGA MELATI DALAM BUDAYA JAWA (STUDI KASUS DI DESA MARIBAYA KABUPATEN TEGAL ANALISIS PEMIKIRAN ROLAND BARTHES). 9, 356–363.
Bunga Melati - Taksonomi, Morfologi, Jenis, Makna, Fakta Unik & Manfaat. (n.d.). Retrieved November 28, 2024, from https://rimbakita.com/bunga-melati/?utm_source=chatgpt.com
Cahyati, W. N., & Rahayu, E. S. (2020). Analisis Optimasi Pemanfaatan Melati Gambir (Jasminum grandiflorum L.) di Kecamatan Rakit Kabupaten Banjarnegara. Life Science, 9(1), 42–51. https://journal.unnes.ac.id/sju/index.php/UnnesJLifeSci/article/view/47140%0Ahttps://journal.unnes.ac.id/sju/index.php/UnnesJLifeSci/article/view/47140/19060
Cong, S., & Zhou, Y. (2023). A review of convolutional neural network architectures and their optimizations. Artificial Intelligence Review, 56(3), 1905–1969. https://doi.org/10.1007/S10462-022-10213-5/METRICS
Daniel Rudjiono, & Heru Saputro. (2021). PENGEMBANGAN DESAIN WEBSITE SEBAGAI MEDIA INFORMAS DAN PROMOSI (Studi Kasus: PT.Nada Surya Tunggal Kecamatan Pringapus). Pixel: Jurnal Ilmiah Komputer Grafis, 13(2), 56–66. https://doi.org/10.51903/pixel.v13i2.300
Fatimah, D., & Luthfiah, V. (2019). Bentuk dan Fungsi Ragam Hias Bunga Melati pada Arsitektur Candi. Waca Cipta Ruang, 5(2), 367–372. https://doi.org/10.34010/wcr.v5i2.2317
FIRMANSYAH, R. (2021). IMPLEMENTASI DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI BUNGA. Fakultas Sains Dan Teknologi UIN Syarif Hidayatullah Jakarta, 6.
Fitriani, F. (2021). Klasifikasi Jenis Bunga Dengan Menggunakan Convolutional Neural Network (Cnn). TEKNIMEDIA: Teknologi Informasi Dan Multimedia, 2(2), 64–68. https://doi.org/10.46764/teknimedia.v2i2.39
Haruna, U., Ali, R., & Man, M. (2023). A new modification CNN using VGG19 and ResNet50V2 for classification of COVID-19 from X-ray radiograph images. Indonesian Journal of Electrical Engineering and Computer Science, 31(1), 369–377. https://doi.org/10.11591
/ijeecs.v31.i1.pp369-377
Hermawan. (2020). Klasifikasi Bunga Melati Berdasarkan Jenis Menggunakan Metode Learning Vector Quantization (Lvq). Prosiding Semnasinotek 2020, 143–148. http://repository.unpkediri.ac.id/2159/
Intyanto, G. W. (2021). Klasifikasi Citra Bunga dengan Menggunakan Deep Learning: CNN (Convolution Neural Network). Jurnal Arus Elektro Indonesia, 7(3), 80. https://doi.org/10.19184/jaei.v7i3.28141
Jaya, T. S., Studi, P., Informatika, M., & Lampung, P. N. (2023). RANCANG BANGUN PENDETEKSI PENYAKIT DAUN TANAMAN LADA DENGAN METODE CONVOLUTIONAL NEURAL NETWORK. 15(2), 3361–3371.
Kurniawan, R., Wintoro, P. B., Mulyani, Y., & Komarudin, M. (2023). Implementasi Arsitektur Xception Pada Model Machine Learning Klasifikasi Sampah Anorganik. Jurnal Informatika Dan Teknik Elektro Terapan, 11(2), 233–236. https://doi.org/10.23960/jitet.v11i2.3034
Kurniawan, W. A., & Salam, A. (2024). Penggunaan Feature Space SMOTE Untuk Mengurangi Overfitting Akibat Imbalance Dataset. Techno.Com, 23(2), 328–337. https://doi.org/10.62411/tc.v23i2.10215
Lestari, S. P., Informatika, P. M., Utara, S., Jiwa, G., & Marquardt, L. (2023). Pengujian Jaringan Saraf Tiruan Dalam Mendiagnosa Gangguan Jiwa Menggunakan Algoritma Backpropogation Levenberg-. 4(3), 920–927. https://doi.org/10.47065/josh.v4i3.3285
Masdar, R., Sahribulan, & Karim, H. (2023). Kajian Kekerabatan Tumbuhan Magnoliopsida Berdasarkan Karakteristik Morfologi Tipe Pembungaan Racemosa di Sekitar Kampus UNM Parangtambung. Prosiding Seminar Nasional Biologi FMIPA UNM, 483–501.
Maydianto, & Ridho, M. R. (2021). Rancang Bangun Sistem Informasi Point of Sale Dengan Framework Codeigniter Pada Cv Powershop. Jurnal Comasie, 02, 50–59.
Munantri, N. Z., Sofyan, H., & Florestiyanto, M. Y. (2020). Aplikasi Pengolahan Citra Digital Untuk Identifikasi Umur Pohon. Telematika, 16(2), 97. https://doi.org/10.31315/telematika.v16i2.3183
Munir, R. (2022). 24 – Convolutional Neural Network Referensi. 1–45.
Naufal, M. F., & Kusuma, S. F. (2021). Pendeteksi Citra Masker Wajah Menggunakan CNN dan Transfer Learning. Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(6), 1293. https://doi.org/10.25126/jtiik.2021865201
Nengsih, W., & Yulina, S. (2024). Optimasi Model CNN untuk Identifikasi Jenis Bunga Berdasarkan spektrum Warna. Jurnal Komputer Terapan, 10(1), 57–66. https://doi.org/10.35143/jkt.v10i1.6274
Nistrina, K., & Sahidah, L. (2022). Unified Modelling Language (Uml) Untuk Perancangan Sistem Informasi Penerimaan Siswa Baru Di Smk Marga Insan Kamil. Jurnal Sistem Informasi, JSIKA, 4(1), 17.
Pamulang, U. (n.d.). Machine learning -.
Perwati, I. G., Suarna, N., & Suprapti, T. (2024). ANALISIS KLASIFIKASI GAMBAR BUNGA LILY MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DALAM PENGOLAHAN CITRA. 8(3), 2908–2915.
Predianto, E., & Sutomo, B. (2024). KLASIFIKASI JENIS BUNGA DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) MENGGUNAKAN METODE REGION BASED CONVOLUTIONAL NEURAL. 8, 1–15.
Pujiati, R., & Rochmawati, N. (2022). Identifikasi Citra Daun Tanaman Herbal Menggunakan Metode Convolutional Neural Network (CNN). 03, 351–357.
Putra, F., Tahiyat, H. F., Ihsan, R. M., Rahmaddeni, R., & Efrizoni, L. (2024). Penerapan Algoritma K-Nearest Neighbor Menggunakan Wrapper Sebagai Preprocessing untuk Penentuan Keterangan Berat Badan Manusia. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(1), 273–281. https://doi.org/10.57152/malcom.v4i1.1085
Rezi, F., & Pramudita, R. (2020). Game Edukasi Interaktif Pengenalan Jenis Buah Berbasis Adobe Flash di Tk As - Syifa Bekasi. Jurnal Mahasiswa Bina Insani, 4(2), 175–184.
Riyan Dirgantara, M., Syahputri, S., & Hasibuan, A. (2023). Pengenalan Database Management System (DBMS). Jurnal Ilmiah Multidisipline, 1(6), 300–301. https://doi.org/10.5281/zenodo.8123019
Sabri, A., & Gunadarma, U. (2023). TRANSFER LEARNING MODEL CNN PRALATIH UNTUK. 7.
Sharma, G., Anand, V., Malhotra, S., Kukreti, S., & Gupta, S. (2023). DeepLeafNet: Multiclass Classification of Soybean Plant Leaves with ResNet50V2 for Enhanced Crop Monitoring and Disease Detection. 2023 3rd International Conference on Smart Generation Computing,
Communication and Networking, SMART GENCON 2023. https://doi.org/10.1109/SMARTGENCON60755.2023.10442288
Shiddiq, M. I. (2022). Implementasi White Box Testing Berbasis Path Pada Form Login Aplikasi Berbasis Web. Jurnal Siliwangi, 8(1), 1–6.
Sholawati, M., Auliasari, K., & Ariwibisono, F. (2022). Pengembangan Aplikasi Pengenalan Bahasa Isyarat Abjad Sibi Menggunakan Metode Convolutional Neural Network (Cnn). JATI (Jurnal Mahasiswa Teknik Informatika), 6(1), 134–144. https://doi.org/10.36040/jati.v6i1.4507
Soekarta, R., Yusuf, M., Basri, N. A., Studi, P., Informatika, T., Sorong, U. M., Klabulu, K., Malaimsimsa, D., & Sorong, K. (2023). IMPLEMENTASI DEEP LEARNING UNTUK DETEKSI JENIS OBAT proses kehidupan dan merupakan senyawa tubuh (Prabowo, 2021). Saat ini berbagai jenis dibedakan beberapa bentuk sediaan obat . Dalam lingkungan farmasi yang untuk automatisasi dalam pengelolaan obat s. 7(4), 455–464.
Sosanto, D., Meilantika, D., Saputro, H., Asia, M., Jenderal Ahmad Yani No, J., Baru, T., Baturaja Timur, K., Ogan Komering Ulu, K., & Selatan, S. (2021). Building a Library Visitor Presence Information System Asian Study University By Utilizing Qr Code Using Codeigniter 3. Jtim) Jtim, 4(2), 14–23.
Sukiatmodjo, J. W. (2024). Sistem Pengenalan Jenis Bunga Menggunakan Deep Learning dengan CNN.
Thamrin, H., Fajarianto, O., & Ahmad, A. (2021). Pelatihan Pemrograman Css Dan Html Di Smk Avicena. Abdimas Awang Long, 4(1), 51–60. https://doi.org/10.56301/awal.v4i1.125
Tri Amri Wijaya, Constantin Menteng, Afis Julianto, Adi Surya, & Ema Utami. (2021). Perancangan Desain Basis Data Sistem Informasi Geografis Tanah Penduduk Dengan Menerapkan Model Data Relasional (Studi Kasus: Desa Tumbang Mantuhe Kabupaten Gunung Mas Provinsi Kalimantan Tengah). Jurnal Teknologi Informasi: Jurnal Keilmuan Dan Aplikasi Bidang Teknik Informatika, 15(1), 72–81. https://doi.org/10.47111/jti.v15i1.1867
Zunaibah Siregar, Erwina, P., & Munandar, M. H. (2021). Sistem Informasi Penyewaan Perumahan Mutiara Simpang Mangga Berbasis Web. Pharmacognosy Magazine, 75(17), 399–405.
